一般来说，不，你不能这样做。

更多细节：问题在于 32% 可能与 68% 不同。如果您所知道的只是它们丢失了，那么您无法说出它们可能有什么不同。但这很复杂。对于任何缺失数据的问题，即使是进行人口普查的问题，关键的一件事是确定（如果可以的话）为什么会出现缺失数据。标准分类为：

完全随机缺失（MCAR）——也就是说，没有特别的原因导致它们缺失。也许咖啡洒在他们的记录上。或者可能是一个随机的计算机故障没有向他们发送调查问卷。

随机丢失（MAR：丢失的原因由您拥有的数据捕获。例如，众所周知，收入规模两端的人不太可能接听电话，这会在电话采访中提供丢失的数据. 但是如果你知道不回应的人的收入，那么数据可能是MAR。

不随机丢失（NMAR）：以上都不是。

如果数据是 MCAR，那么您的 68% 结果可以“按原样”用作总体值的估计值。

如果数据是 MAR，那么有多种方法；现在最流行的可能是多重插补。

如果数据是 NMAR，则没有完美的解决方案，但我看到一些工作表明多重插补效果相当好，除非数据是“REALLY NMAR”（我看到了 Joe Schafer 的演讲，他是这方面的真正专家之一）。